企业官网建设流程全解析

10 秒视频克隆数字人：Duix.Avatar 离线本地部署完整指南

【免费下载链接】Duix-Avatar🚀 Truly open-source AI avatar(digital human) toolkit for offline video generation and digital human cloning.项目地址: https://gitcode.com/GitHub_Trending/he/Duix-Avatar

这是一个把"形象/声音克隆 + 口型驱动 + 视频合成"全链路跑在本地的离线数字人工具箱，门槛主要在 NVIDIA 显卡和磁盘空间。

Duix.Avatar 是一款支持本地部署/API 调用的开源 AI 数字人项目：上传约 10 秒口播视频即可同时完成形象与声音克隆，输入文案或上传音频即可驱动口型，全程本地离线生成视频，数据不出机器。

项目速览：一张表看懂定位与门槛

结论先行：它的价值在于免费商用加数据不出本地，代价是首次约 70G 的镜像下载和 NVIDIA 显卡的硬门槛。

核心能力拆解

10 秒视频完成形象与声音克隆

一句话结论：素材要求极低，约 10 秒口播视频即可，视频必须有声音且是人在说话。

• 适用场景：个人 IP 口播、课程、产品介绍短视频
• 关键参数：语音识别基于 FunASR，声音克隆基于 fish-speech，均为本地 Docker 服务
• 声音参数可调，克隆效果覆盖语调、语速
• 支持导入多个模型，按场景一键切换

文本或音频双驱动，覆盖 8 种语言

一句话结论：写文案或传音频二选一，数字人自动对口型，音视频同步由合成服务自动优化。

• 文本驱动：内置 TTS 把文字转成自然语音再驱动形象
• 也可直接上传已有音频，按原节奏做口型表演
• 文案支持中、英、日、韩、法、德、阿拉伯、西班牙语 8 种

全离线本地算力，数据不出机器

一句话结论：除首次拉取镜像外，后续使用全程不联网。

• 服务端由 3 个 Docker 服务组成：ASR、TTS、视频合成，计算全部在本地 GPU
• 企业资料、客户声音不经过第三方云端，是选择它的主要理由之一
• Docker 中 3 个服务均为 Running 状态，即服务端就绪

开放本地 API，可接入自己的工作流

一句话结论：模特训练、语音合成、视频合成均暴露本地 HTTP 接口，可直接脚本化调用。

• 语音合成接口在 18180 端口，视频合成/进度查询在 8383 端口，均通过http://127.0.0.1访问
• 请求参数可参考客户端调用源码 src/main/service/，批量生成场景下省去界面操作

快速上手：三步跑通并产出第一个结果

结论：按"Docker 起服务 → 装客户端 → 上传素材"走通即可，最小命令只有 3 条。

准备清单

• 系统：Windows 10（19042.1526 及以上）或 Ubuntu 22.04
• 硬件：NVIDIA 显卡且驱动正常，先执行nvidia-smi确认可输出显卡信息
• 磁盘：数据盘空闲 30G+，存镜像的分区 100G+（不足可在 Docker 设置里改存储磁盘位置）
• 流量：首次拉镜像约 70G，建议连 WiFi

安装与启动

git clone https://gitcode.com/GitHub_Trending/he/Duix-Avatar cd Duix-Avatar/deploy docker compose up -d

等约半小时，Docker 里出现 3 个 Running 服务即服务端就绪；显存/磁盘吃紧可用 lite 版只起视频合成一个服务，Ubuntu 用户把启动命令换成docker compose -f docker-compose-linux.yml up -d（配置文件同样在 deploy/ 目录）。

产出第一个结果

客户端直接下载官方构建包（Windows 装 exe，Linux 双击 AppImage）→ 首页点 Create Avatar 上传约 10 秒视频 → 训练完成后点 Create Video 输入文案 → 合成、下载 MP4，全程本地完成。

选型对比：它和替代方案怎么选

• 商业云端服务：上手最快、口型效果更高清，但按次计费且素材必须出内网，主要减分项是隐私和长期成本。
• 其他开源方案：同样免费可改，但多数要自己拼模型、部署链路长，开箱即用的完整度不如本项目。

常见问题：部署最常踩的 4 个坑

Q1：没有 NVIDIA 显卡能跑吗？

不能。本项目所有算力都在本地，没有 NVIDIA 显卡或没装驱动，3 个服务根本起不来。第一步先执行nvidia-smi，不能输出显卡信息就先装驱动再部署。

Q2：镜像拉取慢或卡在 20% 怎么办？

首次下载约 70G，属正常体量。在 Docker 设置的 Docker Engine 里添加国内 registry 镜像源，保存后重新执行启动命令；Linux 用户把镜像源写进/etc/docker/daemon.json后重启 Docker。

Q3：8G 显存的小卡能部署吗？

社区已实测 8G 显存可用（有模型约 10G、单镜像的一键整合包方案，见 README 共创作品展）。想更省资源就用 lite 版，只启动视频合成一个服务。

Q4：服务起来了但训练报错，日志看哪里？

点开 Docker 中三个容器逐个看 Logs，找带 ERROR 的具体行（如音频文件不存在多为目录约定不符）；客户端日志获取方式与报错示例见 doc/常见问题.md，带截图去提 issue 处理更快。

结尾：适合谁，不适合谁

• 适合：个人创作者与中小团队的课程/营销视频制作（数据不出本地）、有 NVIDIA 显卡且愿意折腾 Docker 的用户、想通过本地 API 做批量数字人工作流的开发者
• 不适合：没有 NVIDIA 显卡的机器、不想碰部署只想要现成网页服务的用户、对高清口型和快速迭代有极致要求的商业场景（README 官方建议此类需求直接用其云端 API）

一句话总评：Duix.Avatar 是目前少有的"克隆、驱动、合成、接口"完整跑在本地且免费商用的数字人方案，代价是 70G 的首次下载和一定的部署门槛，对内容创作者来说这笔硬件换隐私的买卖通常是值的。

【免费下载链接】Duix-Avatar🚀 Truly open-source AI avatar(digital human) toolkit for offline video generation and digital human cloning.项目地址: https://gitcode.com/GitHub_Trending/he/Duix-Avatar